5장. 영상 향상과 학습용 전처리

실습 3 — 감마 보정과 LUT

감마 값마다 256칸짜리 조회표를 만들고 cv2.LUT 로 그림을 바꿉니다. 어두운 거리 장면(dark.png)에는 감마를 1 보다 작게, 밝은 장면(bright.png)에는 1 보다 크게 주어 격자로 견줍니다.

1단계. 조회표 만들고 직접 계산과 견주기

Python

import cv2
import numpy as np

def gamma_table(gamma):
    """(i/255)**gamma*255 를 0~255 마다 계산한 256칸짜리 uint8 조회표."""
    return np.array([((i / 255) ** gamma) * 255 for i in range(256)]).round().astype(np.uint8)

lut = gamma_table(0.5)
print("조회표 모양:", lut.shape, "/ 자료형:", lut.dtype)
print("입력 16, 64, 128 → ", [int(lut[v]) for v in (16, 64, 128)])

dark = cv2.imread("ch04_exposure/dark.png", cv2.IMREAD_GRAYSCALE)
# cv2.LUT(src, lut): 칸마다 lut[칸의 값] 으로 바꾼다
by_lut = cv2.LUT(dark, lut)
# 직접 계산: 모든 칸에 거듭제곱을 한다(같은 결과가 나와야 한다)
direct = (((dark / 255) ** 0.5) * 255).round().astype(np.uint8)
print("조회표와 직접 계산이 같은가:", np.array_equal(by_lut, direct))

출력

조회표 모양: (256,) / 자료형: uint8
입력 16, 64, 128 →  [64, 128, 181]
조회표와 직접 계산이 같은가: True

2단계. 감마마다 평균과 표준편차 재기

Python

bright = cv2.imread("ch04_exposure/bright.png", cv2.IMREAD_GRAYSCALE)

# 어두운 사진에는 1 보다 작은 감마, 밝은 사진에는 1 보다 큰 감마
plans = {"dark": (dark, [1.0, 0.7, 0.5, 0.4]), "bright": (bright, [1.0, 1.5, 2.0, 2.5])}
results = {}
for name, (g, gammas) in plans.items():
    for gm in gammas:
        out = cv2.LUT(g, gamma_table(gm))
        results[(name, gm)] = out
        print(f"{name:6} 감마 {gm}: 평균 {round(float(out.mean()), 1):5}, 표준편차 {round(float(out.std()), 1)}")

출력

dark   감마 1.0: 평균  41.9, 표준편차 23.8
dark   감마 0.7: 평균  69.5, 표준편차 29.4
dark   감마 0.5: 평균  98.7, 표준편차 31.1
dark   감마 0.4: 평균 118.2, 표준편차 30.2
bright 감마 1.0: 평균 203.9, 표준편차 30.4
bright 감마 1.5: 평균 183.8, 표준편차 40.8
bright 감마 2.0: 평균 166.6, 표준편차 49.0
bright 감마 2.5: 평균 151.9, 표준편차 55.2

3단계. 2×4 격자로 견주기

Python

import matplotlib.pyplot as plt

plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False

fig, axes = plt.subplots(2, 4, figsize=(12, 6.2))
for row, name in enumerate(["dark", "bright"]):
    for col, gm in enumerate(plans[name][1]):
        out = results[(name, gm)]
        axes[row, col].imshow(out, cmap="gray", vmin=0, vmax=255)
        axes[row, col].set_title(f"{name} 감마 {gm}\n평균 {round(float(out.mean()), 1)}", fontsize=10)
        axes[row, col].axis("off")
plt.tight_layout()
plt.show()

어두운 장면에 감마 1, 0.7, 0.5, 0.4 를, 밝은 장면에 감마 1, 1.5, 2, 2.5 를 준 2행 4열 결과

4단계. 감마 곡선 그려 보기

Python

x = np.arange(256)
fig, ax = plt.subplots(figsize=(6, 4.5))
for gm in [0.4, 0.5, 1.0, 2.0, 2.5]:
    # 조회표를 그대로 그리면 곡선이 된다: 가로는 입력 밝기, 세로는 바뀐 밝기
    ax.plot(x, gamma_table(gm), label=f"감마 {gm}")
ax.set_xlabel("입력 밝기")
ax.set_ylabel("바뀐 밝기")
ax.set_xlim(0, 255)
ax.set_ylim(0, 255)
ax.legend(loc="lower right")
ax.set_title("감마 조회표의 모양")
plt.tight_layout()
plt.show()

감마 0.4, 0.5, 1, 2, 2.5 의 조회표를 선으로 그린 그래프

코드 설명

gamma_table 은 0~255 마다 거듭제곱을 한 번씩만 계산해 256칸 표를 만듭니다. 그림이 76,800칸이어도 거듭제곱은 256번만 합니다.
조회표는 (256,) 모양의 uint8 이고, 감마 0.5 에서 16, 64, 128 이 64, 128, 181 로 바뀝니다. cv2.LUT 결과와 모든 칸에 거듭제곱을 한 결과가 같습니다(True).
어두운 장면은 감마를 0.7, 0.5, 0.4 로 줄일수록 평균이 69.5, 98.7, 118.2 로 오릅니다. 밝은 장면은 감마를 1.5, 2.0, 2.5 로 키울수록 평균이 183.8, 166.6, 151.9 로 내려가고 표준편차는 30.4 에서 55.2 까지 커집니다. 다만 어두운 장면의 감마 0.5 결과는 표준편차가 31.1 이라 4장 기준으로는 아직 "대비 낮음"입니다. 감마는 막대를 옮기는 일이 주이고 넓히는 힘은 약합니다.
조회표를 선으로 그리면 감마 곡선이 됩니다. 1 보다 작은 감마는 위로 볼록하고, 1 보다 큰 감마는 아래로 처집니다.